Uma coisa sobre viver nas horas da Ásia é que muitas vezes acorda com as principais notícias e tem de jogar catchup.

Sam Altman foi demitido da OpenAI na sexta-feira, por exemplo.

Quase engasgo com o meu leite.

Porque é que a diretoria demitiria alguém que é claramente extremamente inteligente, tem um histórico exemplar de sucesso e que acaba de dar uma excelente palestra na conferência OpenAI há 12 dias?

Eis os artesãos da teoria apimentada. Andrew Cote acredita que foi política, que Altman foi demitido porque “ele faria a IA avançar muito rápido ao implantar um avanço recente.” E algumas pessoas não gostaram disso.

A OpenAI tem uma estrutura empresarial muito estranha (quase disfuncional) porque começou como uma entidade sem fins lucrativos que mais tarde decidiu fazer a transição para uma empresa com fins lucrativos. Hoje, a organização sem fins lucrativos controla a direção da entidade com fins lucrativos enquanto fornece aos investidores um lado positivo limitado.

Vai ser algumas semanas apimentadas à medida que a verdade surgir.

Será um momento do Steve Jobs? O Sam começa outra empresa para rivalizar com a OpenAI?

O que está claro, porém, é a mortalha de mistério que envolve as operações internas da OpenAI. Apesar do GPT ser uma ferramenta que se tornou onipresente e usada por centenas de milhões em todo o mundo, há uma desconexão palpável.

Nós, como utilizadores comuns, encontramo-nos do lado de fora a olhar para dentro, a tentar espiar através do véu de sigilo que envolve estes gigantes da IA. À medida que o GPT continua a inserir-se no próprio tecido da nossa sociedade, esta falta de transparência é preocupante.

Blockchain + Cripto =???

Blockchain... e cripto? Fonte: marketoonist.com

Ultimamente, tenho estado a lutar com a pergunta: Como será a intersecção entre cripto e IA? É vago mas a maioria concordaria que há um potencial monumental à espera de ser desbloqueado.

Quando pensamos em AI x Crypto, normalmente pensamos em Akash Network e Render. Estas são redes descentralizadas para GPUs, que podem fornecer o cálculo necessário para o treino de modelos de IA. A lógica é simples - à medida que a IA continua a disparar, o mesmo acontece com a procura de recursos computacionais. As redes peer-to-peer, neste contexto, poderão experimentar um crescimento significativo. Portanto, estão no negócio de pichetas e pás, mas acho que isso é apenas arranhar a superfície do potencial da AI x Crypto.

É como dizer que os JPEGs dos macacos são o auge do que os NFTs podem oferecer.

E então me deparei com o Bittensor.

ELI5: Bittensor

Ao contrário do Akash ou Render, que suporta o treino de modelos de IA (upstream), o Bittensor concentra-se na inferência de IA (downstream), que é onde os modelos treinados são usados para gerar saídas.

É uma rede descentralizada que incentiva modelos de IA, particularmente Large Language Models (LLMs), para várias tarefas como geração de texto, criação de imagem e produção musical. A rede compreende mais de 27 sub-redes hoje, cada uma focada em tarefas específicas.

Em termos simples, pense no Bittensor como um ChatGPT descentralizado + Midjourney + qualquer outra coisa que a IA possa fazer.

A rede opera através de duas funções principais:

1. Mineradores (Produtores de valor): Os mineiros desenvolvem e hospedam modelos de IA na rede. São recompensados com tokens TAO com base no desempenho dos seus modelos relacionados com a tarefa específica. Isto incentiva o desenvolvimento de modelos de IA melhores e mais eficientes.
2. Validadores (Produtores de consenso): Os validadores avaliam os resultados dos mineiros, classificando o seu desempenho na tarefa específica. Eles também interagem com utilizadores que enviam tarefas aos validadores (por exemplo, para a sub-rede de geração de imagem: “/imagine Sam Altman com uma máscara Darth Vader no jantar de Ação de Graças”) e encaminham para os mineiros apropriados

“Sam Altman usando uma máscara de Darth Vader no jantar de Ação de Graças”, criado pela sub-rede de geração de imagens da Bittensor.

Provavelmente estou a simplificar demais os meandros técnicos, mas algumas coisas destacam-se para mim:

• Mineradores e validadores na rede trocam conhecimento e partilham parâmetros, permitindo a auto-otimização ao longo do tempo
• A rede foi concebida para aproveitar os pontos fortes de vários modelos de IA separados para gerar as melhores saídas possíveis (“Mixture-of-Experts”)

Fonte: Revelo Intel — Bittensor

Está além da minha intenção entrar em detalhes técnicos, mas aqui estão alguns bons resumos que me ajudaram a entender melhor o Bittensor:

Revelo Intel — Bittensor

Conhecedor — Um breve relatório sobre Bittensor e IA

Pode dar uma volta ao equivalente do ChatGPT do Bittensor aqui

O TAO

O TAO é o token de utilidade para a rede e tem uma estrutura tokenómica semelhante à Bitcoin: um limite rígido de 21 milhões de tokens e um lançamento justo sem alocação de VC. Até tem um ciclo de redução para metade, com a 1ª redução para metade a acontecer em 2025.

Há 5,65 milhões de TAO em circulação hoje, e tudo foi distribuído de forma justa através de mineração e validação na rede. A capitalização de mercado em circulação é ligeiramente superior a $1B hoje. 7.200 novos TAO são emitidos todos os dias para mineradores e validadores.

Os meus primeiros pensamentos

O Bittensor ainda está na sua infância. A rede possui uma comunidade dedicada, quase cult, mas o número total de participantes permanece modesto — cerca de 50.000 contas estão ativas. A sub-rede mais movimentada, a SN1, dedicada à geração de texto, tem cerca de 40 validadores ativos e mais de 990 mineiros.

O que é verdadeiramente cativante é o conceito de uma rede de IA descentralizada. Isto não só mitiga os riscos de centralização mas também levanta uma questão: Poderiam estes incentivos económicos únicos promover modelos de IA que superam os desenvolvidos por entidades fortemente financiadas como a OpenAI e o Google?

Antes de os LLMs se tornarem mainstream com o advento de ferramentas como o ChatGPT, as startups de tecnologia profunda estavam frequentemente focadas na aquisição de conjuntos de dados proprietários para desenvolver modelos de IA especializados baseados em machine learning para tarefas muito específicas. Por exemplo, a Flatiron Health utiliza dados clínicos do mundo real de doentes oncológicos e desenvolve modelos de IA que alimentam ferramentas que apoiam investigadores oncológicos e prestadores de cuidados. Tradicionalmente, o objetivo da startup era produzir e rentabilizar estes modelos proprietários.

O Bittensor, no entanto, pode representar uma mudança neste paradigma. Talvez seja mais adequado chamar-lhe uma inovação de modelo de negócio possibilitada pela tecnologia, em vez de um avanço tecnológico. Por exemplo, oferece um caminho para que dados proprietários e modelos de IA sejam desenvolvidos em conjunto e utilizados por um público mais vasto, sem a necessidade de os abrir. Posso imaginar um futuro em que a Bittensor hospede milhares de sub-redes especializadas que abordam um espectro de desafios, desde questões ambientais e de saúde até soluções energéticas.

E se estou a ser honesto, há algo que acho fascinante numa equipa que concebe a sua tokenómica da mesma forma que o Bitcoin. Fala das suas motivações, de uma raça diferente das equipas de hoje — que estão frequentemente a otimizar a sua tokenómica ao longo do modelo financiado pelo VC, com grandes alocações para fundadores e investidores.

Não tenho a certeza para onde o Bittensor irá. Pode ser um sucesso 100x ou um fracasso completo. Mas o potencial e a filosofia por trás disso são demasiado convincentes para eu ignorar.

(NOTA: No momento em que escrevo, possuo o TAO e estou a afixá-lo em validadores).

Isenção de responsabilidade：

1. Este artigo foi reimpresso de [Teng's Thoughts]. Todos os direitos de autor pertencem ao autor original [TENG YAN]. Se houver objeções a esta reimpressão, contacte a equipa do Gate Learn, e eles tratarão disso imediatamente.
2. Isenção de responsabilidade: As opiniões e opiniões expressas neste artigo são exclusivamente do autor e não constituem nenhum conselho de investimento.
3. As traduções do artigo para outras línguas são feitas pela equipa do Gate Learn. A menos que mencionado, é proibido copiar, distribuir ou plagiar os artigos traduzidos.